CT引导的肺穿刺手术最优路径规划及风险评估方法研究

CT image-guided lung puncture surgery is a very important clinical application in diagnosis and differential diagnosis of thoracic diseases, and is also a gold standard for qualitative diagnosis of lung tumors. Chest anatomical structure is complex, and there are a lot of important tissues and organs which can not be damaged. At the same time, the patients' respiratory movement leads to tumor periodic displacement. Therefore, the lung puncture trajectory planning is very difficult for the doctors based on their experiences. It will result in repeatedly punctures and CT scans for the patients in order to get the living organisms successfully, and increase the risk of postoperative complications and radioactive radiation damage. Consequently, it is of great significance to research on the intelligent lung puncture surgery optimal trajectory planning and risk assessment. This project will study on the multi-constrained multi-target static surgical trajectory optimization method based on clinical criteria quantification, the personalized three-dimensional tumor motion model based on multimode images and the breath-gated signal, and the dynamic trajectoryrisk assessment method based on the optimal puncture phase. The calculated space-time optimal, the lowest risk and personalized surgical trajectory will suitable for the lung puncture surgery under patient’s free breathing state. The project has a good research basis and clinical evaluation and experimental conditions in cooperation with China Medical University. I believe that the research results of this study will be used in clinical, and can enhance the intelligence and precision of lung puncture surgery , improve the success rate of surgery, alleviate the harm suffered by patients and reduce the burden on doctors.

CT引导的肺穿刺手术是胸部疾病诊断和鉴别诊断的重要手段，也是肺内肿瘤定性的金标准。胸部解剖结构复杂，存在着大量不可损伤的重要组织器官。同时患者呼吸运动会引起肺部肿瘤的周期性位移。因此，医生凭经验进行肺穿刺路径规划具有较大难度，导致术中为成功取到活体组织需要对患者反复多次的穿刺以及CT扫描，增加了术后并发症风险和放射性辐射伤害。基于此，研究智能化的肺穿刺手术路径规划及风险评估方法有着重要的意义。本项目将研究基于临床准则定量化的多约束多目标静态手术路径优化方法，基于多模图像和门控信号的个性化肿瘤三维呼吸运动模型以及基于最优入针时相的动态风险评估方法，形成时空最优、风险最低的个性化手术路径，适合自由呼吸状态下的肺穿刺手术。本项目与中国医科大学合作，有较好的研究基础和临床评估与实验条件。相信本研究成果应用于临床，将会提升肺穿刺手术的智能化和精准化，提高手术成功率，减少患者所受伤害，并减轻医生负担。

CT引导的肺穿刺手术是胸部疾病诊断和鉴别诊断的重要手段，也是肺内肿瘤定性的金标准。胸部解剖结构复杂，存在着大量不可损伤的重要组织器官。同时患者呼吸运动会引起肺部肿瘤的周期性位移。因此，医生凭经验进行肺穿刺路径规划具有较大难度，导致术中为成功取到活体组织需要对患者反复多次的穿刺以及CT扫描，增加了术后并发症风险和放射性辐射伤害。本项目紧紧围绕肺穿刺手术术前路径规划在智能化、定量化上的欠缺，以及肿瘤随呼吸的运动对手术最优路径规划和执行的精准性产生的较大影响等问题展开了深入研究。首先，通过与医生的深入探讨确定了肺穿刺手术中需要遵循的临床准则，包括手术必须遵循的约束性条件和影响手术风险的目标性条件。将这些临床准则定量化用于评估手术路径风险，并采用帕累托优化的方法进行肺穿刺手术最优路径的计算，为医生提供术前最优手术方案；接着，对手术过程中肺部呼吸运动导致的肿瘤目标点位置移动的问题进行了研究，采用了基于4D-CT的多时相图像无监督深度学习配准方法，并加入自监督策略以提升配准精度，最终求得的形变场结果可以用于术前手术路径计划的呼吸运动补偿；其次，肺穿刺手术过程中最易产生的并发症气胸是由于穿刺针穿透肺叶导致的，因此，在手术临床准则中需要重点考虑这一因素。本项目研究了基于深度学习的肺叶分割方法，采用了由粗到精的策略和级联的方法对五个肺叶进行精确分割，其分割结果可以用于肺穿刺手术路径规划中；再次，将计算得到的肺穿刺手术最优路径用于手术过程中需要将术前CT图像与术中患者进行坐标系配准，本项目采用了基于人工标记物的点配准方法，并设计了基于序列特性和投影图像的标记物自动识别和定位方法，用于实现配准过程中的自动化；最终，本项目搭建了CT图像引导的肺穿刺手术导航系统，并进行了体模实验和动物实验评估。相信本项目研究成果未来应用于临床，将会提升肺穿刺手术的智能化和精准化，提高手术成功率，减少患者所受伤害，并减轻医生负担。